洛桑联邦理工学院(EPFL)的科学家们开发了新的方法来改善对机器手的控制，该方法将单个手指控制和自动化结合起来，以提高抓取和操作能力。研究者将神经工程学和机器人学之间的跨学科结合在3名截肢患者和7名健康受试者上成功进行了测试。
该技术融合了来自两个不同领域的两个概念，其中一个概念来自神经工程学，涉及从截肢者残肢上的肌肉活动中解读意图的手指运动，以实现对假肢手的单个手指控制。另一种来自机器人技术，它可以让机械手帮助抓住物体，并保持与物体的接触，以获得强大的抓取能力。
上图为实验设置和受试者。图a为在线实验，4个身体健全的受试者和3个截肢受试者使用其表面肌电信号控制了虚拟机械手。使用MLP解码信号，以获得单位关节角度的预测。图b展现了3个被截肢的受试者有不同程度的截肢。
“当手中的物体开始滑动时，我们往往只有很短的反应时间，”研究人员解释说，“机械手能够在400毫秒内做出反应。在整个手指上都装有压力传感器，它可以在大脑实际感知到物体滑动之前做出反应并稳定该物体。”
共享控制是如何实现的？
该算法首先学习如何解码用户意图，并将其转换为假手的手指运动。截肢者必须执行一系列手部动作，以训练机器学习的算法。安装在截肢者的传感器检测肌肉活动，算法可以学习可获知哪些手部运动与哪些肌肉活动方式相对应。一旦理解了用户的预期手指运动，该信息就可以用于控制假手的各个手指。
研究人员KatieZhuang 表示，“由于肌肉信号有很多噪声，因此我们需要一种机器学习算法，从这些肌肉中提取有意义的活动，并将其解读为运动。”
上图为虚拟环境中的共享控件，设置和结果
a，模拟器。b，共享控制方案。MLP解码器和共享控制器同时运行
接下来，科学家们设计了算法，这样当用户尝试抓住物体时，机器人就会自动启动。当物体与假肢手表面的传感器接触时，该算法会告诉假肢手闭合手指。这种自动抓取是对先前研究的机器人手臂的一种改进，该机器人手臂旨在推断物体的形状并仅基于触觉信息来抓握它们，而无需视觉信号的帮助。
共享控制时和不共享控制时的肌电图分析
研究人员表示，“我们共享的控制机械手的方法可以用于一些神经假肢的应用，如仿生手假肢和脑-机接口，从而增加这些设备的临床影响和可用性。”不过，在将该算法应用于市面上可供截肢者使用的假肢之前，还存在许多挑战。目前，该算法仍在机器人上进行测试。
参考
Shared human–robot proportional control of a dexterous myoelectric prosthesis
sciencedaily
仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言，管理员即时删侵！
